Exploration des relations terminologiques entre les termes multi-mots dans les modèles de sémantique distributionnelle

Exploring terminological relations between multi-word terms in semantic distributional models

• Auteur / Autrice : Yizhe Wang
• Direction : Nabil Hathout, Béatrice Daille
• Type : Thèse de doctorat
• Discipline(s) : Sciences du langage
• Date : Soutenance le 04/10/2022
• Etablissement(s) : Toulouse 2
• Ecole(s) doctorale(s) : École doctorale Comportement, Langage, Éducation, Socialisation, Cognition (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Cognition, langues, langage, ergonomie (Toulouse ; 2006-....)
• Jury : Président / Présidente : Anne Condamines
• Jury : Examinateurs / Examinatrices : Manel Zarrouk
• Jury : Rapporteurs / Rapporteuses : Olivier Ferret, Marie-Paule Jacques

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Distributionnalisme

Mots clés libres

Relations terminologiques

Termes multi-mots

Analogie

Substitution lexicale

Modèles de transformeur

Domaine de l'environnement

Terminology relations

Multi-word terms

Analogy

Lexical substitution

Transformer models

Environment domain

Résumé

Les ressources terminologiques structurées sont conçues pour répondre aux besoins dans les domaines de recherche, de traduction, de rédaction technique, etc. Cependant, les relations entre les termes multi-mots (TMM) y sont souvent sous-représentées. Beaucoup de travaux portent en effet sur l'acquisition de relations entre les termes simples et relativement peu sur l’acquisition de relations entre TMM. D’un autre côté, on observe depuis plusieurs années, l’utilisation massive et réussie des modèles de sémantique distributionnel (MSD) dans de nombreux travaux en sémantique. Notre étude se place à l’articulation de ces deux thèmes. Nous avons exploré les possibilités des MSD à identifier les relations terminologiques entre TMM en utilisant deux méthodes. La première adoptant la substitution lexicale est fondée sur les prédictions d’un modèle de langue masqué (MLM). La seconde consiste à capter des relations sémantiques lexicales par l’analogie entre les représentations des termes générées par un modèle FastText. Ces méthodes sont testées sur deux jeux de données. Nous nous appuyons d'abord sur un jeu de données composé de TMM synonymes du domaine de l’environnement en français fournis par la banque IATE. Devant le manque de ressources intégrant des relations sémantiques variées entre TMM, nous avons construit un second jeu de données par projection sémantique à partir des termes simples et de leurs relations recensées dans le dictionnaire de termes de l'environnement, DiCoEnviro. Les résultats expérimentaux que nous avons obtenus valident notre hypothèse concernant la possibilité de capter des relations terminologiques entre TMM par des MSD.

Structured terminology resources are designed to meet the needs of research, translation, technical writing, etc. However, relationships between multi-word terms (MWTs) are often underrepresented in these resources. On the other hand, for several years, we have been observing the massive and successful use of distributional semantic models (DSMs) in many semantic works. Our study is placed at the intersection of these two themes. We explored the potential of DSMs to identify terminological relations between MWTs using two methods. The first one adopting lexical substitution is based on the predictions of a masked language model (MLM). The second one captures lexical semantic relations by the analogy between term representations generated by a FastText model. These methods are tested on two datasets. First, we rely on a dataset composed of French synonymous MWTs of the environment domain provided by the IATE database. Due to the lack of resources integrating various semantic relations between MWTs, we built a second dataset by semantic projection from the single terms and their relations listed in the dictionary DiCoEnviro. The experimental results we obtained validate our hypothesis concerning the possibility of capturing terminological relations between MWTs by DSMs.